Acculturation and changing gender perception among Saudi male students in the U.S.: Implications for Vision 2030
Notice bibliographique
Résumé
Saudi Arabia’s Vision 2030 initiative has the mission of modifying vast social and cultural aspects, including enhanced roles for women and broader participation in public life. It is important to explore how Saudi male students embraced the changes inherent in Vision 2030 after having their social norms reconfigured by previously exploring cultural norms of education abroad. The study examined the perceptions of male Saudi learners studying abroad particularly in the U.S. This study examined perceptions of male gender bias and barriers to women and acculturation and cultural change. It aimed to clarify how acculturation supported male learners in support to Vision 2030 impetuses for change. A cross-sectional quantitative perspective. The study consisted of 265 participants who studied in the U.S. at an institution of higher education for a minimum of one academic term. Data was collected through two instruments, the Vancouver Index of Acculturation (VIA) and the Saudi Male Perspectives Before and After Survey (SMPBAS). Descriptive and inferential statistics, including Pearson correlations and multiple regression analysis, were used to explore acculturation, length of stay, and social constructs. Higher acculturation levels and longer lengths of stay in the United States were significantly related to more progressive perspectives on gender roles and societal reform. Regression analysis confirmed that length of stay (β = 0.32, p < .001) and mainstream cultural orientation (β = 0.28, p = .002) were the strongest predictors of support for Vision 2030 reforms. The findings suggest that cultural exposure through education abroad influences Saudi men’s acceptance of gender equity and modernization. Longer immersion and stronger engagement with host culture predicted greater support for Vision 2030, highlighting the role of international education in shaping reform-minded perspectives.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».